Опрос GlobalData на рудниках, проведенный в период с февраля по апрель 2023 года, показал, что, прогнозное обслуживание мобильного оборудования станет ключевым направлением инвестиций в ближайшие два года. По данным исследования, 40 % опрошенных горняков планируют либо инвестировать в технологию впервые, либо увеличить инвестиции в эту технологию.

Если сравнивать различные регионы, то очень высокая доля респондентов из Австралии (74 %) планирует инвестировать средства в прогнозное обслуживание мобильного оборудования в ближайшие два года, за ними следуют 37 % респондентов из Африки и Америки и 36 % респондентов из Европы и Ближнего Востока. В настоящее время респонденты из Австралии также считают, что они достигли наибольшего прогресса в отношении своих инвестиций: 12% заявили, что они полностью внедрили эту технологию, 53% заявили, что вложили значительные средства, а 18% - умеренные.

Техническое обслуживание, основанное на прогнозировании (п. 7.4 стандарта ГОСТ Р 57329-2016), или прогнозное техническое обслуживание (Predictive Maintenance, PdM), постепенно занимает своё "место под солнцем". Его ниша – технически сложные объекты, находящиеся в динамически меняющихся условиях эксплуатации, критичные с точки зрения последствий отказа.

Программы профилактики таких объектов, как правило, имеют большой объем, требуют останова и соответственно снижают эксплуатационную готовность объекта и увеличивают стоимость его жизненного цикла.

Альтернативой профилактике является PdM, при котором обслуживание и ремонт выполняются только при повышении риска отказа. С этой целью в рамках PdM осуществляется прогнозирование отказов по видам и срокам, а исходя из этого определяются сроки, вид и объем предупредительных работ.

Для прогнозирования отказов используются большие объемы данных о техническом состоянии оборудования и технологии их обработки, таких как моделирование, машинное обучение и т.д. Ключевая роль принадлежит машинному обучению, которое предполагает выявление закономерностей в обучающей выборке данных, а затем распознавание их в анализируемой выборке для прогноза по аналогии.